2015 Fiscal Year Research-status Report
一般化逆作用素を用いたビッグデータ向け知識創造サイクルモデル
| Project/Area Number |
15K12024
|
|---|
| Research Institution | University of Tsukuba |
|---|
Principal Investigator |
北川 高嗣 筑波大学, システム情報系, 教授 (60153095)
|
|---|
| Project Period (FY) |
2015-04-01 – 2018-03-31
|
| Keywords | ビッグデータ分析 / 知識創造 / 逆問題 / 一般化逆作用素 / マルチメディア・データベース |
|---|
| Outline of Annual Research Achievements |
知識創造サイクルモデルの構築及び検証については，これまで構築してきたメディア間連携システム をベースに，本提案システムである知識創造サイクルモデルの構築を行った．本提案システムにおいては，ビッグデータ研究のコアとなる理論を提唱することを目指しているため，汎用的に用いられるよう，理論的検証を重点的に行った。
本研究では知識創造と知識利活用を互いに逆の演算と見なし，それら両方を備えることによって知識の検証を可能とする. 実装可能なシステムとして構成した知識創造サイクルシステム、提案モデルにおける知識創造と知識利活用の定義を示し、これらの実績として、具体的な知識創造モデルの提案を以下により行った。“A Method of Knowledge Creation andKnowledge Utilization” by Generalized Inverse Operator”, Ryotaro Okada, Takafumi Nakanishi and Takashi Kitagawa, 2014 IIAI 3rd International Conference on Advanced Applied Informatics, pp.253-258, 2014
また画像認識によるデータ群からの逆問題による、画像分類手法の構成を以下により行った。"The Method of Image Feature Selection for Integration of Image Classification by Bag-of-Keypoints”, Kyohei Matsumoto, Ryotaro Okada, Takafumi Nakanishi, Takashi Kitagawa, CSCI'15, The 2015 International Conference on Computational Science and Computational Intelligence, December 7-9, 2015, Las Vegas, USA.
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
知識創造サイクルシステム、提案モデルにおける知識創造と知識利活用の定義を示し、これらの実績として、具体的な知識創造モデルの提案を以下に行っていること。
“A Method of Knowledge Creation andKnowledge Utilization” by Generalized Inverse Operator”,
Ryotaro Okada, Takafumi Nakanishi and Takashi Kitagawa, 2014 IIAI 3rd International Conference on Advanced Applied Informatics, pp.253-258, 2014
具体的に、画像認識によるデータ群からの逆問題による、画像分類手法の構成を以下により行ったこと。
"The Method of Image Feature Selection for Integration of Image Classification by Bag-of-Keypoints”, Kyohei Matsumoto, Ryotaro Okada, Takafumi Nakanishi, Takashi Kitagawa, CSCI'15, The 2015 International Conference on Computational Science and Computational Intelligence, December 7-9, 2015, Las Vegas, USA.
|
| Strategy for Future Research Activity |
本知識創造モデルを活用し、評価プロセスの逆問題を解析することにより、その評価を最大化するような、システムの自動構成を行うことを試みる。具体的に本年度内に、画像分類の統合的手法を構成するための画像特徴量の自動選択方式について研究した。画像認識によるデータ群からの逆問題による、画像分類手法の構成を実現した。本方式においては、単一の画像特徴量ではなく、複数の画像特徴量を組み合わせることで、より効果的に画像分類を行う手法を自動構成する手法を提案した。特に、画像特徴量の組み合わせにおいて、Bag-of-Keypointsの手法を用い、画像特徴量を統一的に扱うことにより、分類すべき画像データ群の特色に応じ、最適な画像特徴量を自動選択し分類手法を構成できることを示した。この手法を推し進めることにより、評価基準に応じ、与えられたデータ群の特色から、そのデータ群に対し最適なパフォーマンスを実現する、既存の有効な手法を組み合わせたシステムの自動構築が可能になると考えられる。
|
